識別與單個列最相關的列<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好，
我有一個帶有“結果”列和大約 100 個過程變量列的表。 我想知道哪個過程變量對我的結果影響最大。
一種簡單的方法是繪製每個過程變量與。結果並查看相關性的箱線圖。 但是，100 列的目視檢查非常困難。
有沒有辦法自動化這個過程。
感謝您的回复。
塞沙德里
回复：識別與單個列最相關的列我也在努力解決這個問題。 如果可能的話，你能把你的宏發給我嗎？
我的電子郵件地址：ndongariane20@gmail.com
我會很感激你的。
回复：識別與單個列最相關的列嗨塞沙德里，
可以和我分享一下宏嗎？ 我一直在嘗試創造這樣的東西。
我的電子郵件是：swami.kunal@yahoo.com
我還有一組實用宏
我不知道他們是否會對你有用，但我很樂意分享。
謝謝回复：識別與單個列最相關的列我有一個類似的反復出現的挑戰——除了我的並非總是針對“結果”列提出。我經常被問到的問題是，“數據中最普遍的列[變量、屬性，無論你想怎麼稱呼它們] 的組合是什麼？”我考慮過以下技術：決策樹、聚類分析和回歸型方法。所有這些都需要某種“目標”或因變量。我對數據如何在眾多變量中分佈感興趣——對於這些變量的哪種組合，密度（病例數）最大？
我可能不會幫助你，seshadri，但在這個類似的問題上也需要指導。我將閱讀已經建議的帖子-但如果有人有其他想法，請發布！
謝謝。
回复：識別與單個列最相關的列我有一個宏 %BESTCORR，它計算與因（響應）變量高度相關但彼此相關性最低的變量集。 宏是參數化的，因此您可以提供定義（多重共線性的最小相關性）、所考慮變量的相關性較低閾值以及要報告的變量數。
如果你想要代碼，它是免費的。 只需給我發送消息，我會將宏通過電子郵件發送給您（以及任何可能覺得它有用的人）。
回复：識別與單個列最相關的列Sehardi 寫道：“我想知道哪個過程變量對我的結果影響最大”。 這不是相關性問題 - 這是最佳變量問題：搜索大量變量以確定要在模型中使用的最有影響因素的簡短列表。 有幾種方法可以解決這個問題。 我發現 Bootstrap Forest 對這個目的非常有幫助。 George Hurley 在 2012 NESUG 會議上發表了一篇關於 JMP 中 Bootstrap Forest 的論文——這是 Lex Jansen 的鏈接： http://www.lexjansen.com/mwsug/2012/JM/MWSUG-2012-JM04.pdf . 我在 NESUG 的 Base SAS 中做了一個關於 Bootstrap Forest 的演講，但我知道您在 JMP 工作。 我的 NESUG 演示文稿只是我為填補不幸不得不取消的作者而寫的一個副標題；我不認為它在程序中，但我將在接下來的幾天內發布幻燈片。
如果您想要預測適合回歸分析的特定結果，您將需要考慮 Raimi 和 Lund 的 XCSTAT 宏： http://www.mwsug.org/proceedings/2011/stats/MWSUG-2011-SA03.pdf . 它目前僅在 SAS 中可用，在 JMP 中不可用。
回复：識別與單個列最相關的列我所做的是使用成對相關選項，然後對平板電腦進行排序。您可以按 pvlue 或相關性本身進行排序，以查看哪個對您最有用。
要獲得成對相關性，您可以單擊紅色三角形並從菜單中選擇它。如果您想要永久使用它，請轉到文件>>首選項>>平台>>多變量並勾選“成對相關性”框。
要對錶進行排序，您只需右鍵單擊成對相關表本身並選擇“按列排序”。
不幸的是，我不知道如何讓表格默認排序或編寫排序腳本。如果您“將腳本保存到數據表”，這也是一個更改，完成後不會記錄到腳本中
回复：識別與單個列最相關的列如果你想要最高的相關性，這很簡單，使用 PROC CORR。 將相關性輸出到數據集，取相關性的絕對值，然後排序。
但是，我使用製造過程數據已經有一段時間了，讓我敦促您修改目標。 通常，您將有幾個具有相似相關性的變量，並且具有最高相關性的變量可能與第二或第三位的變量在相關性方面“沒有統計學差異”。 並且可能會證明這三個相關性都與一個單一現像有關，或者基於第一原理知識，第三個變量最有可能與真正的“原因”有關。 因此，選擇最高相關性可能不會顯示此信息。
因此，儘管查看“最高相關性”很誘人，但您可能真的想查看幾個最高相關性。 您可能想要使用真正考慮到這些想法的建模技術，例如偏最小二乘法 (PROC PLS)，它為您提供了一個向量，指示哪些變量與響應最相關，並且負載的條形圖將提供您可以直觀地了解哪些過程變量（複數）與您的響應高度相關。 在製造過程變量上使用 PLS 是一個很大的研究領域，有很多關於它的期刊文章和許多成功的應用。
這裡的另一個問題是一個或多個異常值的存在會極大地扭曲相關性。 如何在這樣的大型數據集中找到異常值？ 這是一個完全不同的問題，但你應該在腦海中思考這個問題。
更新：好的，我給出了 SAS 的答案，我看到你正在使用 JMP，但同樣的想法也適用。
